发明者多层次创新网络嵌入对知识搜索的影响机制研究

毛荐其 武宪云 刘 娜

1 引 言

创新是复杂的知识搜索过程，在这个过程中，知识被创新主体以多种方式增加、删除、转换、修改、重新组合或重新解释。当今，知识日趋分散化，认知到知识搜索在创新过程中的普遍性和重要性，学者开展了知识搜索驱动力或知识搜索的方法研究。在这些有关知识搜索前因的研究中，一些研究反映了微观方法，主要关注个体特征如个人以往经验或个人社会关系（Dosi 等，2003［1］；Paruchuri 和 Awate，2017［2］）；另一些研究采取更加宏观的方法，关注企业层面的特征，如吸收能力、组织懈怠、组织结构、联盟、总部的作用、组织年龄和规模等（Fabrizio，2009［3］；Jansen 等，2006［4］；Monteiro，2015［5］）。本研究中，我们试图补充这两个早期的研究学派，关注发明者的多层次创新网络嵌入，尤其是发明者占据的跨层次网络特征对其知识搜索行为带来的机会及约束。

创新主体的创新活动嵌入在复杂交互的创新网络中，网络潜在地为创新主体提供知识搜索的机会或制约其知识搜索行为。学者研究了创新主体间以研发合作关系所形成的合作创新网络对知识搜索的影响机制，因为研发合作关系作为社会关系的一种，表征了社会资本，代表了知识和信息的流通及搜索渠道（刘娜，2017［6］；Guan 和 Liu，2016［7］）。创新主体通过嵌入在这种类型的网络中，能够在创新过程中获取、搜索、传递和应用合作网络中其他行动者拥有的相关知识和信息，此外，社会资本也可能制约创新主体的知识行为。其中，创新主体占据的合作创新网络的结构位置如结构洞、中心或外围位置及关系特征如关系强弱等对其知识搜索行为的影响是当前学者关注的一大热点（Paruchuri 和 Awate，2017［2］； 吴松强等，2018［8］）。近年来，关于合作创新网络对知识搜索影响机制的研究成果不断涌现，推动了创新主体的知识搜索行为。然而，这些研究关注的是以创新主体间合作类型的社会关系为单一连接机制所形成的单一层面的创新网络的关系或结构特征的作用。

在创新实践中，创新主体的网络关系呈现出多重性并通过各种类型的网络关系不断地开放其研发边界。创新主体除了嵌入在以研发合作类型的社会关系所形成的合作创新网络中，还嵌入在以知识组合连接关系形成的知识网络中。学者将组织的知识表示为企业进行发明活动使用的知识元素集合，当前研究已关注企业知识存量结构是创新的决定因素（刘娜，2017［6］； Guan 和 Liu，2016［7］； Brennecke 和Rank，2017［9］）。在知识结构表示中，企业知识是知识元素联系的集合，能够被概念化为一个网络。在这个网络中，知识元素体现为离散知识，它们之间的连接体现为在知识创造或发明过程中创新主体是否及如何组合它们（刘娜，2017［6］； Guan和 Liu，2016［7］）。对于知识搜索而言，知识元素间的关联关系甚至比知识元素本身更为重要，因为关联关系作为知识流通和搜索的渠道并且指引着知识元素未来潜在的组合或重组，创新主体通过这些关联关系能够搜索到知识组合性的机会或新知识元素（Yayavaram 和 Ahuja，2008［10］）。从关系本质上来看，合作网络强调基于社会搜索（Social-based Search）的重要性，而知识网络强调基于知识搜索（Knowledge-based Search）的重要性。考虑到创新主体的合作和知识关系嵌入性，全面理解知识搜索的前因，需要同时关注基于社会搜索和基于知识搜索的关键作用。

然而，就目前文献来看，学者忽视了创新主体同时嵌入合作创新网络和知识网络的事实，很少有研究将基于社会搜索和基于知识搜索集成在一个研究框架中。极少数学者比如 Wang 等（2014）［6］、Guan 和 Liu（2016）［7］及刘娜（2017）［11］等的研究同时涉及了这两个不同性质的网络，他们研究发现合作网络和知识网络是解耦的且它们的结构和关系特征以不同的方式影响着创新主体的创新。虽然这些学者认知到了创新主体的多重网络关系嵌入，但研究实施过程仍然将不同网络关系概念为一个单一层面的网络，仍然探索不同连接关系对创新的独立效应。

实际上，合作网络和知识网络虽然具有独特的结构特征，但它们并不是完全相互独立的（刘娜，2017［6］； 毛荐其等，2019［11］）。因为，知识元素隶属于创新主体，知识元素与创新主体之间形成二分隶属网络。二分隶属网络将创新主体和知识网络中的单个知识元素连接起来，它实际上连接了合作网络和知识网络。合作网络、知识网络、二部隶属网络本质上虽是不同的，但形成了一个嵌套的多层次网络结构。多层次网络是一个定义在不同层面的不同类型的节点及其一个层面内部和跨层面的连接关系所形成的层级网络结构（Lazega 和 Snijders，2015［12］； Lomi 和 Robins，2016［13］）。具体来说，一个网络是多层的，它不仅包含多种不同类型的关系，而且节点集包含的实体被定义在不同的层面。从近年来新兴的多层次网络理论来看，创新主体间的合作关系、创新主体与知识元素间的隶属关系及知识元素间的组合关系形成了一个多层级的创新网络结构，如图1所示。创新主体所嵌入的多层次创新网络能够更加真实全面地反映创新实践系统中的层级结构及多要素主体间的多样化联系。因此，采用多重网络的视角探索网络嵌入对知识搜索的影响机制显然是有益的。由于多层次网络强大的解释力，Brennecke 和 Rank（2017）［9］首次使用新兴的多层次网络方法研究创新问题，他们将知识元素间的连接关系、知识元素与发明者的隶属关系以及发明者间工作相关的建议连接关系集成在一个多层次网络分析框架中，使用多层指数随机图模型进行实证，发现企业的知识存量结构特征影响发明者间的人际交互关系，进而影响组织内部的知识扩散和企业的组合能力。目前，我们尚未发现有研究探讨多层次创新网络的跨层网络结构的功能机制。

综上，本研究关注个体发明者，从多重网络视角及多层面出发，将知识元素间的连接关系、知识元素与发明者间的隶属关系以及发明者间的合作关系集成在一个多层次网络分析框架中（如图1所示），研究发明者在所嵌入的多层次创新网络中占据的跨层次网络结构特征包括跨层凝聚性（Cross-layer Coherence）和跨层连通性（Cross-layer Connectivity），探索发明者的跨层次网络结构特征如何影响其知识搜索行为，它们对发明者知识搜索的作用是否受到情景因素的影响？鉴于此，我们以中国华为公司和美国苹果公司两家技术密集型企业为研究对象，分别构建这两家公司发明者的多层次创新网络，利用计量模型实证跨层次网络结构对知识搜索的影响，并引入从属点度作为调节变量，以期从微观层面（发明者层面）揭示多层次创新网络嵌入对知识搜索的内在作用机制，从而拓宽创新网络的研究边界和研究视角，深入理解创新网络的运行机理与运行绩效，并为发明者知识搜索行为提供理论指导。

图1 发明者多层次创新网络示意图

2 理论与假设

2.1 发明者的跨层网络结构

在图1所示的发明者多层次创新网络中，很显然，一个发明者可能拥有多个知识元素，一个知识元素可能隶属于多个发明者。某个焦点发明者在多层次创新网络中的跨层凝聚性度量该发明者的邻域被包含在其直接合作伙伴的邻域中的趋势，发明者的邻域是隶属于该发明者知识元素的集合（Le Blond等，2005［14］； Latapy等，2008［15］）。跨层凝聚性在一定程度上衡量了发明者与其直接合作伙伴拥有共同知识的程度，反映了发明者、直接合作伙伴和所隶属的知识元素间连接关系存在的紧密程度，即三元闭包的存在性。某焦点发明者在多层次创新网络中的跨层连通性度量隶属于该发明者的知识元素之间连接的程度（Latapy等，2008［15］）。隶属于该发明者的知识元素间连接关系的形成可能源于该发明者在其发明创造过程中对知识的组合或重组，也可能源于其他发明者在发明创造过程中对知识的组合或重组，因为一个知识元素可能隶属于多个发明者。跨层连通性越高说明隶属于发明者的知识元素间连接性越紧密。焦点发明者的从属点度度量隶属于该发明者的知识元素与其他知识元素的关联性，从属点度越高，说明隶属于发明者的知识元素拥有的知识连接关系越多，越占据中心的网络位置（Borgatti 和Halgin，2011［16］）。

2.2 知识搜索维度

知识搜索是为了适应所处外界情景及解决创新过程中面临的问题,创新主体对知识进行搜寻、获取、整合及利用的活动过程（刘娜等，2019［17］）。自知识搜索概念提出以来，学者基于不同视角对知识搜索进行了维度划分。知识搜索维度是对创新主体知识搜索行为的描述，反映了创新主体的知识搜索特征。概况起来，常见的划分维度有单维划分、二维划分及三维划分。单维划分中，Nelson和Winter（1982）［18］根据搜索的地域范围及知识相近程度，提出了远程搜索与本地搜索。二维划分中，Katila和Ahuja（2002）［19］从“在哪搜索”及“如何搜索”的视角将知识搜索划分为广度搜索和深度搜索。三维划分中，Sidhu（2007）［20］等从供应维、需求维及地理维对知识搜索进行划分。单维划分相对来说不能完全描述创新主体的知识搜索行为；而三维划分各维度彼此间存在交叉，二级子维度不在同一水平面，因此测量时可能存在子群误差。在本研究中，我们借鉴Katila和Ahuja（2002）［19］的二维划分，用知识搜索广度与深度两个经典维度描述发明者的知识搜索行为。其中，知识搜索广度是指知识搜索渠道的数量，反映发明者知识搜索的范围；知识搜索深度是指从渠道中获取知识的力度，反映知识搜索的强度。

2.3 跨层凝聚性对发明者知识搜索行为的影响

当焦点发明者、直接合作伙伴及其知识元素间连接形成稳定、封闭和密集的网络结构时，多层次创新网络表现出跨层凝聚性。在跨层凝聚的网络中，焦点发明者与其直接合作伙伴拥有共同的知识元素。凝聚性的网络结构通过三个方面的机制影响发明者的知识搜索行为。一，联系紧密的网络产生规范和制裁，促进合作交流和提高信任度并培养信任和开放（Coleman，1988［21］），从而利用发明者自由参与思想和知识的交流并促进细粒度知识和信息的传递。二，凝聚性促进知识溢出和重新组合，增强发明者的知识吸收能力。发明者通过密集的连接能够证实搜集到的信息的质量、精确性和可靠性，确认信息的能力以及促进信息和知识的交流（Reagans和Mcevily，2003［22］）。三，凝聚性使得发明者具有有效访问和利用所处集群中资源的优势。通过创建共同的意识，凝聚性有助于发明者间的相互协调，基于相似性知识基础或人力资本，发明者进行异质性的努力开发相关技术，避免工作的复制（Mariana等，2018［23］）。

当某焦点发明者的跨层凝聚性过高时，其所处的局部网络因为连接关系的密集性而具有更多的冗余结构。发明者在这样的网络结构中进行知识搜索受到的约束就越多，因为受到局部搜索社会惯性和知识惯性的双重影响。惯性是凝聚性的网络结构中常见的现象，意味着一种趋势，即替代和变化是被动的（刘娜，2017［6］）。跨层凝聚性过高时，焦点发明者与其直接伙伴间拥有更多相同的知识资源，从而发明者失去对知识的独占性，导致知识同质化现象严重。此外，凝聚性过高时，发明者之间得以充分沟通交流，发明者依靠现有的社会关系和知识关系进行搜索知识时就会形成自身惰性，阻碍其获得更多外界新颖的知识。再者，发明者探索新思想需要一定的搜索成本、学习成本和机会成本，鉴于这些成本，当一个发明者锁定在过度凝聚的网络结构中时，发明者不愿投资时间和金钱探索新知识和新思想。探索新知识和新思想的不可预知性、不确定性和偶然性也会抑制发明者的知识搜索行为。

综上，我们可以得出适度跨层凝聚性促进发明者的知识搜索行为，而过度跨层凝聚性阻碍发明者知识搜索行为，提出如下假设：

H1a：发明者的跨层凝聚性对其知识搜索深度的影响呈倒U型。

H1b：发明者的跨层凝聚性对其知识搜索广度的影响呈倒U型。

2.4 跨层连通性对发明者知识搜索行为的影响

当隶属于某个焦点发明者的知识元素间连接关系较多时，发明者的跨层连通性较高。实际上，发明者在多层次创新网络中的跨层连通性反映了隶属于发明者的知识元素在过去发明创造中被组合或重组的程度（Guan 和 Liu，2016［7］），这对发明者的知识搜索行为至关重要。发明者单凭自身与其他发明者间的合作关系即社会关系并不能高效的进行知识的搜索及重组，在很大程度上，发明者的知识搜索行为取决于其知识的结构特征即知识连接关系（毛荐其等，2019［11］）。发明者的跨层连通性为其知识搜索行为提供结合和重组机会（Yayavaram和 Ahuja，2008［10］）。一方面，发明者的跨层连通性较高说明发明者能够很好地理解自己拥有的知识并将其进行合理高效的运用。发明者对过去知识组合经历的充分理解可增加知识未来组合性潜力，因为，当为熟悉的知识搜寻组合性机会时，很容易形成惯例、标准和模式，从而提高搜索效率（Boh等，2014［24］）。另一方面，发明者的跨层连通性提高了知识在网络中传播的速度、范围和保真度，从而为发明者知识搜索和重组提供机会。

然而，当发明者的跨层连通性过高时，则不利于发明者的知识搜索行为。一方面，冗余知识和重复信息在过度连通的网络中传播的更加容易，由于网络中冗余知识和重复信息的传播，新颖的想法和知识将被抑制（Gargiulo 和Benassi，2000［25］），从而限制发明者的知识搜索行为。另一方面，在过度连通的网络中，由于知识元间的连通性强，进而知识传递渠道过多，过多的知识传递渠道会产生重复的传递，使得知识传递速度较慢，降低知识传递效率。在过度连通的网络中，由于知识传递边际效应的降低，发明者进行创新活动的成本便会相对增加。

综上，我们可以得出适度跨层连通性促进发明者的知识搜索行为，而过度跨层连通性阻碍发明者知识搜索行为，提出如下假设：

H2a：发明者的跨层连通性对其知识搜索深度的影响呈倒U型。

H2b：发明者的跨层连通性对其知识搜索广度的影响呈倒U型。

2.5 从属点度的调节作用

发明者在多层次创新网络中的从属点度显示了其知识元素的组合性潜力，这其中包括了与其未发生组合关系的新知识元素及过去已发生组合关系的旧知识元素。焦点发明者的从属点度高说明其知识元素在知识网络中占据重要位置，发明者更容易访问和接触到广泛的知识元素（Lee等，2016［26］）。此外，从属点度高的发明者对中心化知识的占有，可以使发明者获得更多的威望和权力，从而具有更多的机会与其他发明者进行交流合作。发明者适度的跨层凝聚性产生社会规范、有助于精细和可靠知识与信息的传递与交流、具有有效访问和利用资源的优势，高从属点度则会促进发明者接触到广泛的知识元素，进一步促进发明者知识搜索深度与知识搜索广度。

发明者的过度跨层凝聚产生惯性趋势、导致知识同质化严重、提高知识搜索成本。在发明者高从属点度情况下，一方面，既使花费较少的成本也能获取一定数量的知识资源，这会加强发明者在过度凝聚网络中的自身惰性，阻碍其获取新颖知识。另一方面，从属点度高的发明者连接到更多的知识元素，加剧知识冗余性，进一步提高知识搜索成本。因此，高从属点度增强过度跨层凝聚对知识搜索行为的负向影响。

据此，提出如下假设：

H3a：发明者的从属点度正向调节跨层凝聚性与知识搜索深度间的倒U型关系。

H3b：发明者的从属点度正向调节跨层凝聚性与知识搜索广度间的倒U型关系。

发明者的适度跨层连通性很容易形成惯例、标准和模式，从而提高知识在网络中传播的速度和知识的保真度，促进发明者的知识搜索行为。发明者的从属点度显示了发明者接触知识的范围及知识的组合潜力。高从属点度的发明者能接触广泛的知识且具有高的组合潜力，从而促进适度跨层连通性对知识搜索行为的正向影响。

发明者的过度跨层连通性容易传递冗余知识和重复信息，过多的知识传递渠道也降低了知识传递效率，从而抑制发明者的知识搜索行为。高从属点度的发明者又接触到广泛的知识，这其中包括隶属于该发明者的知识也包括隶属于其他发明者的知识。因而，高从属点度进一步增加了知识传递渠道，降低知识传递边际效用。因此，高从属点度增强过度跨层连通性对发明者知识搜索行为的抑制作用。

据此，提出如下假设：

H3c：多网络的从属点度正向调节跨层连通性与发明者知识搜索深度间的倒U型关系

H3d：多网络的从属点度正向调节跨层连通性与发明者知识搜索广度间的倒U型关系

综上研究假设，本研究构建的理论模型如图2所示：

图2 理论模型

3 研究方法

3.1 数据

电子通讯设备行业作为技术密集型高技术行业，大多数企业创新活动比较频繁且经常利用申请专利保护新技术或新产品。因此，本研究选择以电子通讯设备行业的企业为研究对象。一方面，该行业的企业申请专利较多，发明者间的合作创新关系频繁；另一方面，该行业中的企业需要不断进行与时俱进的创新活动，发明者自身具有丰富的知识且对外部知识需求较大。为了避免研究结果偶然性的发生，我们同时选择该行业两大代表性公司中国的华为公司和美国的苹果公司作为研究对象。我们分别收集两家公司1996-2017年间在美国专利商标局（USPTO）申请的专利数据。经数据清洗，最终获取华为公司在USPTO申请的6354项专利，共5250名发明者；苹果公司在USPTO申请的14827项专利，共10017名发明者。

3.2 知识表征及网络构建

专利的技术代码被认为是知识元素的有效代理（刘娜，2017［6］； Guan 和Liu，2016［7］； 毛荐其等，2019［11］）。学者常用的技术代码包括世界知识产权局定义的国际专利分类码（International Patent Classification Codes，IPC）及美国专利商标局定义的美国专利分类体系。本研究使用IPC代码作为知识元素的代理。IPC技术代码是一个五级的分层结构。许多研究使用4位IPC代码表征知识元素，其中包括了部、大类和小类，主要是因为4位IPC代码实际上能够充分表达一个专利的技术或知识特征（刘娜，2017［6］； Guan 和 Liu，2016［7］）。效仿常见做法，本研究也利用4位IPC代码表征电子通讯设备行业中的知识元素。我们提取并删除重复的4位IPC代码后，每项专利能够被分类到一个或多个4位IPC代码。

一项专利可能涉及一位或多位发明者，也可能被分类到一个或多个4位IPC代码；一个4位IPC代码可能隶属于一位或多位发明者。我们根据这些信息构建发明者间的合作网络、知识元素间知识网络及发明者与知识元素间的隶属网络。我们采用五年移动时间窗，利用Sci2Tool软件分别构建了10期网络（2002-2006，2003-2007，……）。因此，我们的发明者样本是大样本面板数据。

3.3 变量

（1）因变量

本研究的两个因变量分别为发明者的知识搜索广度及知识搜索深度，我们使用发明者观测年（t及t+1年）所申请专利对先前专利的引用情况测度。知识搜索广度用知识渠道的地域范围测度，即发明者观测年申请专利引用的先前专利所涉及的地理区域的数量，涉及的地理区域范围数量越多，知识搜索广度范围越大。知识搜索深度用知识搜索的强度测度，即发明者观测年申请专利引用先前专利的数量，引用先前专利数量越多，知识搜索程度越深入。

（2）自变量

我们借助Le Blond等（2005）［14］和Latapy等（2008）［15］提出的二分最小聚集测度（bipartite min-clustering measure）指标，进行延伸并开发发明者在多层次创新网络中的跨层凝聚性指标。在二分网络中，一个节点的二分最小聚集系数度量该节点邻域与其他节点邻域间的重叠度（Le Blond等，2005［14］； Latapy等，2008［15］）。二分网络与多层次网络的区别在于后者同类型节点间（同一层面的节点）存在连接关系。因此，在多层次创新网络中，一个焦点发明者的二分最小聚集系数表示该发明者的邻域被包含在其直接合作伙伴邻域中的程度，计算公式为式(1)，其中，u和v是存在直接合作关系的一对发明者；N2(u)和N2(v)分别表示与发明者u和v距离为1的知识元素数，即隶属于发明者u和v的知识元素，也即它们各自的邻域；|N2(u)∩N2(v)|表示发明者u和v邻域的重叠度；min|N2(u),N2(v)|表示发明者u和v邻域的绝对最小值。一个焦点发明者可能具有多个直接合作伙伴，因此，我们将一个焦点发明者的跨层凝聚性定义为该发明者与其直接合作伙伴二分最小聚集系数的平均值，计算公式为式(2)，其中，|N(N1(u))|表示与发明者u距离为1的发明者的数量，即的直接合作伙伴。

发明者的跨层连通性表征隶属于发明者的知识元素间连接关系的紧密程度，我们使用隶属于发明者的知识元素间实际存在的连接数与可能存在的最大连接数的比例来测度，具体计算公式为式(3)，其中，u表示焦点发明者；|EN2(u)|表示与发明者u距离为1（隶属于u）的知识元素间存在的连接数；表示隶属于发明者u的知识元素间存在的最大连接数。

（3）调节变量

在简单的一模网络中点度表示焦点节点与其直接连接的其他节点的数量。Borgatti和Halgin（2011）［16］提出了二模隶属网络点度的概念，即隶属于某焦点节点的另一个集合节点的数量。在多层次创新网络中，我们使用发明者的从属点度度量隶属于该发明者的知识元素与其他知识元素的关联度，具体计算公式为式(4)，其中，∑d2(ui)表示隶属于发明者的各个知识元素的直接连接的知识元素的数量之和，N2(u)表示与发明者u距离为1的知识元素数，即隶属于发明者的知识元素数。

（4）控制变量

为了避免其他因素的干扰，我们引入如下控制变量。任期，发明者任期是观测年与发明者首次申请专利的年份间的差值，发明者累积的认知能力可能会影响其知识搜索行为，任期越长，往往经验越丰富。专利存量，发明者进入观测年前五年申请的专利总量，它在一定程度上衡量了发明者之前的创造力。此外，我们控制可能对发明者知识搜索行为产生影响的合作网络的特征变量，具体包括结构洞和平均路径。

3.4 模型设定

因变量知识搜索广度与知识搜索深度都只取非负整数值，因而对数据使用普通线性回归模型将产生不一致、低效和有偏的系数估计。学者经常使用计数模型如泊松模型或负二项模型来处理计数型的被解释变量。泊松模型需要满足均值等于方差的限制性假设。然而，本研究的两个因变量呈现过度分散。负二项模型可以处理计数型被解释变量的过度分散问题，因此，本研究选择使用负二项模型来放松均值-方差相等的假设并验证我们的理论模型。此外，我们根据Hausman检验对负二项随机效应和负二项固定效应进行选择，检验结果支持选择负二项固定效应模型。

4 研究结果

4.1 描述性统计

表1和表2给出了华为公司和苹果公司样本数据各个变量的均值、标准差、方差膨胀因子（VIF）及其相关系数等。在我们的模型中，方差膨胀因子(VIF)都低于10，因此多重共线性不是特别大的问题。此外，跨层凝聚性和跨层连通性两个自变量与知识搜索深度及知识搜索广度的相关系数都为正。

表1 华为公司描述性统计与相关系数

表2 苹果公司描述性统计与相关系数

4.2 回归结果

选取单一公司的研发数据进行实证，研究结果可能存在一定的偶然性。为了避免单一个案研究的局限性，本文选取华为公司和苹果公司两家公司分别进行实证回归并将研究结果进行对比分析。表3和表4分别给出了这两家公司样本数据的固定效应负二项回归结果。其中，模型1a和1b都只含控制变量，为基本模型；模型2a和2b在基本模型的基础上添加了自变量跨层凝聚性，用以验证假设H1a和H1b；模型3a和3b在模型2a

和2b的基础上添加了调节变量从属点度、从属点度与跨层凝聚性及其二次项的乘积项，用以验证假设H3a和H3b；模型4a和4b在基本模型的基础上添加了自变量跨层连通性，用以验证假设H2a和H2b；模型5a和5b在模型4a和4b的基础上添加了调节变量从属点度、从属点度与跨层连通性及其二次项的乘积项，用以验证假设H3c和H3d。

表3 华为公司固定效应的负二项回归结果

续表

假设H1a、H1b分别提出发明者的跨层凝聚性对其知识搜索深度及知识搜索广度的影响呈倒U型。表3针对华为公司的回归中，模型2a和2b中跨层凝聚性二次项系数的符号与预期一致，且在统计上显著（β=-0.076，p＜0.01；β=-0.060，p＜0.01）；表4针对苹果公司的回归中，模型2a和2b的跨层凝聚性二次项系数的符号也与预期一致，且在统计上显著（β=-0.595，p＜0.01；β=-0.479，p＜0.01）。据此，华为公司和苹果公司的样本数据都验证了假设H1a和H1b。

假设H2a、H2b认为发明者的跨层连通性对其知识搜索深度及知识广度的影响呈倒U型。表3中，模型4a的跨层连通性二次项系数的符号与预期一致且在统计上显著（β=-0.104，p＜0.01）；然而，模型4b的跨层连通性二次项系数的符号与预期不一致且统计上不显著（β=0.010；p＞0.1）。因此，华为公司样本数据支持假设H2a，不支持假设H2b。表4中，模型4a和4b的跨层连通性二次项系数的符号与预期一致在统计上显著（β=-0.062，p＜0.01；β=-0.323，p＜0.01）。因此，苹果公司的样本数据支持假设H2a和H2b。我们从华为公司的人才战略来解释华为公司样本数据为什么不支持假设H2b。华为公司的研发人员以年轻人为主，且外籍员工不断增加，截止到2018年，在海外的本地员工已经超过70%，且员工间交流频繁。正是华为公司的这种人才战略使得发明者跨层连通性过高时，只是进一步加强了知识间的交流，使得发明者接触更广范围的知识，知识搜索的边际效用没有因此严重下降，同样促进发明者的知识搜索广度。

表4 苹果公司固定效应的负二项回归结果

续表

假设H3a、H3b认为发明者的从属点度正向调节其跨层凝聚性与知识搜索深度及知识搜索广度间的倒U型关系。表3中，模型3a和3b的跨层凝聚性^2╳从属点度的系数的符号及显著性水平 (β=0.062，p＜0.01；β=0.030，p＜0.01)支持假设H4a。因此，华为公司样本数据验证了假设H3a和H3b。表4中，模型3a的跨层凝聚性^2╳从属点度的系数的符号及显著性水平(β=0.071，p＜0.1)支持假设H3a；模型3b的跨层凝聚性^2╳从属点度的系数的符号与预期一致(β=0.019)，但统计显著性不成立，因此不支持假设H3b。苹果公司在电子通信行业属于领军企业，拥有庞大的研发团队，研发人员来自世界各地且具有丰富及高质量的知识储备。高从属点度意味着隶属于发明者的知识元素与更多知识连接，从而为发明者创造接触其他知识资源的机会。知识本身占优的苹果公司的发明者完全可以凭借自身资源及跨层凝聚性获取更广泛的知识元素，因此，从属点度对跨层凝聚性与知识搜索广度间的倒U型关系的正向调节作用不明显。

假设H3c、H3d提出发明者的从属点度能够加强其跨层连通性与知识搜索深度与知识搜索广度之间的倒U型影响。表3和表4中模型5a跨层连通性^2╳从属点度的系数符合及显著性水平（β=0.042，p＜0.1；β=0.015，p＜0.01）支持假设H3c。表3和表4中，模型5b跨层连通性^2╳从属点度的系数及显著性分别为：β=0.019，p＞0.1；β=0.016，p＜0.01，可知，华为公司样本数据不支持假设H3d，而苹果公司的样本数据验证了假设H3d。虽然只有苹果公司的样本数据验证了假设H3d，但我们认为从属点度能够正向调节跨层连通性与知识搜索广度间的倒U型影响。华为公司主要以国内博士生及部分俄罗斯数学家为主进行理论研究及产品开发，同时与国内高校进行合作研究。华为公司虽然不断地在全球范围内建设研发中心，但目前主要的研发人员还是局限于国内人员。华为公司对员工以制度管理为主，苹果公司则实现了自我管理。相比之下，条条框框的约束限制了华为人的创造力。因此，华为公司研发人员地域范围有限，拥有的知识范围也因此受限。因此，当从属点度增加时，发明者增加的是接触更多数量的知识元素的机会，而不是增加接触更广范围知识元素的机会。所以，在华为公司中，发明者从属点度对其跨层连通性与知识搜索广度间的作用并不明显。

4.3 调节效应

为了更加直观的表示出调节变量对自变量和因变量间关系的影响，我们分别根据发明者跨层凝聚性和跨层连通性的平均数值，将样本分为高、低组，分别画出两个公司的调节作用效果图。

图3 华为公司从属点度调节效应图

图3和图4展示了华为公司与苹果公司的发明者从属点度对其跨层凝聚性、跨层连通性与知识搜索深度与知识搜索广度间关系的调节效应。图3中1a与图4中1b展示了从属点度调节发明者跨层凝聚性与知识搜索深度间的关系，可知，跨层凝聚性与知识搜索深度间存在倒U型关系，且从属点度加强了这种关系，即相对于低从属点度的发明者，高从属点度的发明者增强其倒U型关系中的正向促进关系，同样增强其倒U型关系中的抑制关系。图3中3a和图4中3b给出了从属点度对跨层凝聚性与知识搜索广度间关系的调节作用图，可知，3a和3b中虽不是标准的倒U型关系，但也近似倒U型关系，且从属点度加强了这种关系，即相比于低从属点度的发明者，高从属点度的发明者增强其倒U关系中的正向促进作用，同样增强倒U关系中的反向抑制作用。

从图3中2a、图4中2b可以看出，跨层连通性与知识搜索深度间存在倒U型关系；相对于低从属点度的发明者，发明者高从属点度增强了跨层连通性对知识搜索深度的促进作用，同样高从属点度增强了跨层连通性对知识搜索深度的反向抑制作用。从图3中4a可知，华为公司的发明者跨层连通性与知识搜索广度间存在近似倒U型关系。从图4中4b可知，苹果公司中发明者跨层连通性与知识搜索广度之间存在倒U型关系。此外，从这两个图可以得出，发明者从属点度正向调节跨层连通性与知识搜索广度间的倒U型关系。

图4 苹果公司从属点度调节效应图

5 结论与讨论

本研究以华为和苹果两家公司发明者为样本数据，将合作类型的社会关系、组合类型的知识关系及从属类型的隶属关系整合在一个多层次网络分析框架中，实证研究了发明者在多层次创新网络中的跨层网络结构对其知识搜索行为的作用。得出以下结论：发明者跨层凝聚性对其知识搜索深度及广度的影响呈倒U型，即发明者适度的跨层凝聚性将促进其知识搜索行为，当跨层凝聚性过高时，则会抑制其知识搜索行为；同样，得出发明者跨层连通性对其知识搜索行为的影响呈倒U型。通过从属点度对跨层网络结构与知识搜索关系的调节作用的研究，可得以下结论：发明者从属点度正向调节跨层凝聚性对知识搜索深度及广度的倒U型作用，说明通过增加发明者的从属点度能够增强适度跨层凝聚性对知识搜索的促进作用，且增强过度跨层凝聚性对知识搜索的抑制作用；同样，我们得出发明者从属点度正向调节跨层连通性对知识搜索深度及广度的倒U型作用。

知识搜索能够促使企业获得丰富的知识及新颖的创意，提高企业在激烈竞争环境下的优势。本研究从多层次网络理论的视角出发，将合作关系、知识关系及隶属关系整合在一个多层次创新网络框架中，开展了跨层次网络结构的功能机制研究，这将突破当前传统社会网络视角研究单一层面创新网络只能关注单一类型节点及单一连接机制的局限性，将创新网络功能机制的研究进一步推向深入。较之传统的关注单一连接机制所形成的单一层面的创新网络嵌入对企业创新行为的影响研究，本研究不仅在理论上有较大的创新性，且更能反映实践系统中的层级结构及多要素主体间的多样化联系，使得研究结果更加符合企业创新实际，具有重要的现实指导意义。

本研究也为企业的日常管理工作提供一定的借鉴。跨层凝聚性在本研究中体现为企业内部发明者与其合作伙伴间共同拥有知识元素的情况。当发明者与合作伙伴共同拥有一定数量的知识元素时，能够促进相互间知识的交流与传递，从而促进知识搜索行为。当发明者与合作伙伴间共有知识元素比例过高时，发明者则失去了对知识的独占性。在企业的创新搜索过程中，独有的知识往往对知识搜索较为关键。因此，企业应该寻找一个阈值来对企业内部的知识资源进行合理安排，既要让发明者间拥有共享知识，也要让发明者拥有专享知识。发明者的跨层连通性体现在实际工作中也就是发明者所拥有知识元素间的联系，知识元素间适度的相关联则有利于发明者的知识搜索行为，当联系过于紧密时则会阻碍发明者的知识搜索行为。因此，发明者在日常工作中应该有选择性的掌握知识资源，避免掌握的知识资源间存在过于紧密的连接。为了使企业创新绩效达到最大值，还应该注意知识元素的从属点度，即尽量选择那些在企业创新网络中占据重要位置的知识元素。

本研究尚存在一定的局限性。我们对电子通讯行业的两家公司进行了对比研究，对于其他行业我们并没有进行验证，未来可以在不同行业采集数据来探讨多层次网络与知识搜索间存在的关系。再有，我们只基于专利数据进行研究，但是专利衡量是显性知识，无法度量存在的隐性知识，未来研究应试图通过调研等手段加入隐性知识进行研究。最后，文中的网络都是基于专利进行的构建，现实中还有更广泛的关系，如非正式的交流关系等需要进一步的探讨。